پیشنیاز های ریاضی
برای
هوش مصنوعی و ماشین لرنینگ
مروری بر ریاضیات برای
هوش مصنوعی و ماشین لرنینگ
ریاضیات، از جمله مفاهیم اساسی و ضروری در یادگیری هوش مصنوعی و دیتا ساینس است. در واقع، تمامی الگوریتمها و مدلهای استفاده شده در این حوزهها، با استفاده از اصول ریاضیاتی پایه ایجاد شدهاند. به طور خاص، مفاهیم ریاضیاتی مانند آمار، احتمالات، جبر خطی، محاسبات عددی و هندسه، برای بسیاری از مسائل در هوش مصنوعی و دیتا ساینس استفاده میشوند.
به عنوان مثال، در یادگیری ماشین، الگوریتمهای مختلفی مانند شبکههای عصبی، درخت تصمیم و ماشین بلتزمن با استفاده از اصول ریاضی و علم آمار، طراحی و پیادهسازی میشوند. همچنین، در تحلیل دادهها و انجام پیشبینی با استفاده از هوش مصنوعی، استفاده از روشهای آماری و احتمالاتی بسیار مهم است.
علاوه بر این، در هر دو حوزه هوش مصنوعی و دیتا ساینس، مسائلی وجود دارند که تنها با استفاده از ریاضیات پایه قابل حل هستند. به عنوان مثال، برای حل برخی مسائل در هوش مصنوعی مانند بینایی ماشین، استفاده از تبدیل فوریه، فضای فوریه بسیار مهم است.
بنابراین، برای موفقیت در این حوزهها، دانشجویان و مهندسین باید درک حداقلی از مسائل مهمی در ریاضیات و آمار داشته باشند این وبینار قصد دارد با بیانی ساده از مقدمات ریاضیات حتی برای دانشجویانی که پایه ریاضی ضعیفی دارند و یا به دلیل دور بودن از آن ها به طور کلی مسائل پایه ریاضی را فراموش کرده اند بستر خوبی را برای یادگیری هوش مصنوعی و یادگیری ماشین فراهم کند.
سرفصل های وبینار
- مروری بر مثلثات
- معرفی مفهوم مثلثات
- توابع Arc
- بردارها
- بردارها و بردارهای چد بعدی
- نرم درجه 1 و درجه 2 بردارها
- محاسبه فاصله و زاویه بین بردارها
- عملیات ریاضی روی بردارها
- ضرب داخلی بردارها
- خواص توزیع پذیری و شرکت پذیری بردارها
- بردارهای عمود بر هم
- مقایسه بردارها
- بررسی تشابه بردارها (Cosine similarity)
- ماتریس ها
- مقدمه ای بر ماتریس ها
- عملیات ریاضی روی ماتریس ها
- ضرب ماتریس ها
- ماتریس همانی
- عملیات تقسیم در ماتریس ها
- محاسبه معکوس ماتریس
- بررسی معکوس پذیری ماتریس ها